Perbandingan Metode Machine Learning dalam Analisis Sentimen Twitter
DOI:
https://doi.org/10.26418/justin.v10i4.51784Keywords:
Analisis Sentimen, Kekerasan Seksual, Perbadingan Algoritma, RapidMinerAbstract
Perbedaan pemahaman di kalangan masyarakat sering terjadi terkait diterbitkannya kebijakan baru oleh pemerintah. Diantaranya adalah kebijakan dalam menangani kasus kekerasan seksual di lingkungan kampus yang tertulis dalam Peraturan Menteri Pendidikan, Kebudayaan, Riset dan Teknologi Nomor 30 Tahun 2021 sehingga diperlukan kajian mendalam dengan melakukan analisis sentimen. Ada banyak algoritma yang digunakan dalam penelitian analisis sentimen, maka dalam penelitian ini peneliti menggunakan 4 algoritma klasifikasi machine learning, yaitu Support Vector Machine, K-Nearest Neighbor, Naïve Bayes Classifier, dan Logistic Regression untuk dilakukan perbandingan performa dari masing-masing algoritma. Data penelitian yang digunakan berjumlah 470 data dengan pembagian 236 tweet berlabel positif dan 238 tweet berlabel negatif yang diambil pada rentang bulan Oktober sampai Desember. Dalam penelitian ini menggunakan perangkat lunak RapidMiner dengan menerapkan teknik k-Fold Cross Validation untuk memisahkan data latih dan data uji secara acak. Terdapat perbedaan performa pada algoritma machine learning yang digunakan untuk analisis sentimen, dari algoritma yang telah diujikan, nilai akurasi tertinggi terdapat pada algoritma Support Vector Machine, yaitu sebesar 69,15%, kemudian nilai presisi tertinggi terdapat pada algoritma K-Nearest Neighbor, sebesar 69,07%, kemudian nilai recall tertinggi terdapat pada algoritma Support Vector Machine sebesar 71,98%, dan nilai f-measure tertinggi terdapat pada algoritma K-Nearest Neighbor yaitu sebesar 68,08%.References
V. K. S. Que, A. Iriani, and H. D. Purnomo, “Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization,†J. Nas. Tek. Elektro dan Teknol. Inf., vol. 9, no. 2, pp. 162–170, 2020, doi: 10.22146/jnteti.v9i2.102.
R. D. Himawan and Eliyani, “Perbandingan Akurasi Analisis Sentimen Tweet terhadap Pemerintah Provinsi DKI Jakarta di Masa,†J. Edukasi dan Penelit. Inform., vol. 7, no. 1, pp. 58–63, 2021, [Online]. Available: https://jurnal.untan.ac.id/.
P. P. A. Arsya Monica Pravina, Imam Cholissodin, “Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM),†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2789–2797, 2019, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4793.
R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,†J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 646, 2021, doi: 10.32493/informatika.v5i4.7622.
T. detikcom DetikNews, “Pasal 5 Ayat 2 Permendikbud 30 Jadi Sorotan, Ini Isinya,†15 November 2021, 2021. https://news.detik.com/berita/d-5811770/pasal-5-ayat-2-permendikbud-30-jadi-sorotan-ini-isinya (accessed Nov. 27, 2021).
Muammar, “Demo Massa KAMMI Aceh Tolak Permendikbud 30,†26 November 2021, 2021. https://harianrakyataceh.com/ (accessed Nov. 26, 2021).
R. N. Chaterine, “BEM UI Dukung Permendikbud 30, Berharap Kekerasan Seksual Dihentikan dan Korban Bersuara,†17 November 2021, 2021. https://nasional.kompas.com/ (accessed Nov. 26, 2021).
N. T. Romadloni, I. Santoso, and S. Budilaksono, “Perbandingan Metode Naive Bayes , Knn Dan Decision Tree Terhadap Analisis Sentimen Transportasi Krl,†J. IKRA-ITH Inform., vol. 3, no. 2, pp. 1–9, 2019.
S. Qaiser, N. Yusoff, F. K. Ahmad, and R. Ali, “Sentiment analysis of impact of technology on employment from text on twitter,†Int. J. Interact. Mob. Technol., vol. 14, no. 7, pp. 88–103, 2020, doi: 10.3991/IJIM.V14I07.10600.
A. K. Santoso, A. Noviriandini, A. Kurniasih, B. D. Wicaksono, and A. Nuryanto, “Klasifikasi Persepsi Pengguna Twitter Terhadap Kasus Covid-19 Menggunakan Metode Logistic Regression,†JIK (Jurnal Inform. dan Komputer), vol. 5, no. 2, pp. 234–241, 2021.
E. Sutoyo and A. Almaarif, “Twitter sentiment analysis of the relocation of Indonesia’s capital city,†Bull. Electr. Eng. Informatics, vol. 9, no. 4, pp. 1620–1630, 2020, doi: 10.11591/eei.v9i4.2352.
A. Harun and D. P. Ananda, “Analysis of Public Opinion Sentiment About Covid-19 Vaccination in Indonesia Using Naïve Bayes and Decission Tree Analisa Sentimen Opini Publik Tentang Vaksinasi Covid-19 di Indonesia Menggunakan Naïve Bayes dan Decission Tree,†Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. April, pp. 58–63, 2021.
A. Deviyanto and M. D. R. Wahyudi, “Penerapan Analisis Sentimen Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor,†JISKA (Jurnal Inform. Sunan Kalijaga), vol. 3, no. 1, p. 1, 2018, doi: 10.14421/jiska.2018.31-01.
A. Muhammadin and I. A. Sobari, “Analisis Sentimen Pada Ulasan Aplikasi Kredivo Dengan Algoritma SVM dan NBC,†Reputasi J. Rekayasa Perangkat Lunak, vol. 2, no. 2, pp. 85–91, 2021.
N. C. Lengkong, O. Safitri, S. Machsus, Y. R. Putra, A. Syahadati, and R. Nooraeni, “Analisis Sentimen Penerapan Psbb Di Dki Jakarta Dan Dampaknya Terhadap Pergerakan Ihsg,†J. Teknoinfo, vol. 15, no. 1, p. 20, 2021, doi: 10.33365/jti.v15i1.866.
B. Seref and E. Bostanci, “Sentiment Analysis using Naive Bayes and Complement Naive Bayes Classifier Algorithms on Hadoop Framework,†ISMSIT 2018 - 2nd Int. Symp. Multidiscip. Stud. Innov. Technol. Proc., pp. 1–7, 2018, doi: 10.1109/ISMSIT.2018.8567243.
Downloads
Additional Files
Published
Issue
Section
License
Copyright (c) 2022 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).
This is a human-readable summary of (and not a substitute for) the license. Disclaimer.
You are free to:Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
